Спроси у людей, сколько стоит один запрос к ИИ, и получишь дюжину уверенных ответов: «как бутылка воды», «как зарядка телефона», «как минута работы фена», «да практически ничего». Каждую из этих цифр кто-то когда-то честно посчитал — и каждая правдива для своего частного случая. Ни одна не годится в качестве универсального ответа. Настоящий честный ответ звучит менее удобно: точной цифры не знает почти никто, а компании, которые могли бы её назвать, в основном молчат.

Это не заговор — это структура рынка. Энергопотребление модели такая же коммерческая тайна, как её архитектура: по нему конкурент прикинет себестоимость запроса и маржу компании. Так что почти все цифры, которые ты видел в заголовках, — реконструкции сторонних исследователей, собранные по крохам: паспортные характеристики чипов, коэффициент эффективности дата-центра (PUE), догадки о длине среднего диалога. «Порядка» и «примерно» в таких оценках — не вежливая оговорка, а честное признание погрешности.

Почему цифры расходятся в десятки раз

Разные оценки часто меряют вообще разные вещи. Кто-то считает только электричество, которое чип тянет во время самого вычисления. Кто-то добавляет накладные расходы дата-центра — охлаждение, потери в проводке, резервные системы, — которые легко удваивают итоговую цифру. Кто-то честно размазывает по каждому запросу долю стоимости обучения модели — а обучение крупной системы само по себе съедает энергию, сравнимую с годовым потреблением нескольких тысяч домов, просто эта доля делится на миллиарды будущих запросов и на один запрос выходит крошечной. А кто-то до сих пор цитирует замеры трёхлетней давности, сделанные на моделях, которые с тех пор пережили несколько поколений оптимизации.

Из свежего, довольно редкого случая: летом 2025 года Google опубликовал собственную методику и оценку — порядка 0,24 ватт-часа и около четверти миллилитра воды на один текстовый запрос к их модели Gemini. Это заметно ниже вирусных цифр про «стакан воды на вопрос», которые разошлись годом раньше на основе более ранних и менее эффективных моделей. Независимые исследователи — в частности, специалисты по энергетике ИИ вроде Саши Луччони из Hugging Face — публиковали оценки того же порядка величины для сравнимых моделей, но настаивают: без независимого аудита верить цифре от самой компании, которая заинтересована выглядеть экономной, нужно с поправкой.

Что известно более-менее твёрдо

Порядок величины таков: один простой текстовый запрос к современной эффективной модели — это единицы, максимум несколько десятков ватт-часов. Условно — от нескольких секунд работы микроволновки до пары минут работы обычной лампочки. Это реальные, но не катастрофические цифры на уровне одного запроса. Вода, которую тратят на охлаждение дата-центров, — отдельная и не менее реальная история, которую мы уже разбирали отдельно: как компании выкупают целые электростанции, чтобы прокормить свои кластеры. Здесь важно другое измерение — не откуда берётся энергия, а сколько именно её уходит на конкретное действие, которое ты совершаешь десятки раз в день не задумываясь.

Не все запросы одинаковы

Вот где усреднённая цифра врёт сильнее всего. Текстовый ответ на простой вопрос и генерация изображения — это разные порядки энергозатрат: создание одной картинки может потребовать в десятки раз больше вычислений, чем текстовый диалог сравнимой длины. Генерация видео — это ещё один-два порядка сверху: несколько секунд синтезированного ролика способны сжечь энергии больше, чем сотни текстовых разговоров. А «рассуждающие» модели — те, что сначала долго думают про себя, прежде чем выдать короткий ответ, — незаметно для пользователя генерируют внутри себя тысячи дополнительных токенов размышлений. Чем модель «умнее» выглядит снаружи, тем больше она может жечь энергии внутри — и это почти никогда не показывают в интерфейсе.

Есть и обратная сторона, о которой компании говорят ещё реже: маршрутизация. Простой вопрос всё чаще уходит не к самой мощной модели компании, а к маленькой и дешёвой, которая справляется быстрее и с меньшим потреблением; к тяжёлой модели эскалируют только то, что маленькая не осилила. Это разумная инженерия — но она означает, что твой личный след зависит от невидимого решения системы, которое ты не контролируешь и о котором никогда не узнаешь.

Ловушка эффективности

Здесь и кроется самый неудобный факт во всей этой истории. Каждое новое поколение моделей действительно эффективнее предыдущего на единицу вычисления — это не миф, это реальный инженерный прогресс. И тем не менее суммарное энергопотребление отрасли ИИ не падает, а растёт — причём резко. По оценке Международного энергетического агентства, дата-центры уже потребляют порядка полутора-двух процентов мирового электричества, и эта доля, по прогнозам, может удвоиться в течение нескольких лет — во многом именно из-за ИИ-нагрузки.

Экономисты знают этот парадокс ещё с XIX века: его первым описал Уильям Стэнли Джевонс на примере угля. Чем эффективнее паровая машина сжигает уголь, тем дешевле становится работа на угле — и тем больше угля сжигают в сумме, потому что дешевизна рождает спрос, которого раньше не было. С ИИ происходит то же самое: падение цены за запрос не снижает общий счёт, оно снижает барьер входа. Дешёвый ИИ встраивают буквально всюду — в поисковую строку, в автодополнение письма, в чат поддержки интернет-магазина, — и суммарный след растёт быстрее, чем падает цена одной единицы.

Наша запись: Тот — бог письма и точного счёта, тот, кто взвешивает и записывает без искажения. Теневой Тот — не прямая ложь, а управление тем, что именно считают вслух, а что оставляют за кадром. Когда компания честно называет тебе энергию одного своего запроса, но молчит о сумме миллиарда таких запросов в сутки и о том, как быстро эта сумма растёт, — обмана в узком смысле нет. Но правды тоже нет целиком. Именно недостающая часть решает, что ты подумаешь об этой технологии.

Что с этим делать читателю

Знание точной цифры одного запроса — не повод ни для паники, ни для равнодушия. Один твой вопрос к чат-боту не топит планету; но и миф о «бесплатном облаке» — не более чем удобная анестезия, которую выбрали за тебя. Между этими двумя крайностями есть третье, взрослое место: считать честно. Не верить вирусной цифре про бутылку воды на каждый чих, но и не покупать успокаивающий пиар про «почти ничего» без встречного вопроса — а сколько это в сумме, и кто платит за рост этой суммы. Требовать открытых, проверяемых цифр, а не удобных округлений — это и есть Маат в применении к технологии: не морализаторство, а инженерия честного учёта. Кто считает верно, тот и решает, что делать с результатом.